多模态技术路线对比：融合发生在哪一层

从第02期到第09期，我们反复强调一个判断：单模态存在天花板，多模态是必经之路——表情可以被克制，声音可以被修饰，但两者同时被完美控制的难度远大于单一模态。这一期把「多模态」三个字拆开：融合到底发生在哪一层？四条公开路线各自适合什么场景、有什么取舍？只对比公开路线，不涉及任何具体方案。

📑 本期大纲

• 一、先问一个更基础的问题：为什么要融合
• 二、路线 A：早期融合（输入/特征级）
• 三、路线 B：决策级（晚期）融合
• 四、路线 C：中间融合 / 跨模态注意力
• 五、路线 D：多模态大模型 / 统一表征
• 六、四线对比速览
• 七、绕不开的三个工程题
• 八、结语：融合是手段，读懂人心才是目的

💡 核心结论（试读）

• 多模态融合发生在哪一层（早期 / 决策级 / 中间 / 多模态大模型），直接决定系统的鲁棒性与工程复杂度。
• 融合不是堆模型：先弄清每个模态在目标场景中的可信度，再决定架构怎么搭。